Sélection de modèles dans l'apprentissage automatique

Cette séance de cours couvre les concepts de généralisation, de sélection des modèles et de validation dans l'apprentissage automatique. Il traite des défis que pose la vérification de la performance du modèle, le choix des hyperparamètres et la compréhension de l'erreur de généralisation. Les sujets abordés comprennent la régression des crêtes, les architectures de réseaux neuronaux, les erreurs empiriques et d'entraînement, le fractionnement des données et les techniques de validation croisée. La séance de cours explore également les inégalités de concentration, l'inégalité de Hoeffding et la relation entre les risques empiriques et réels dans la sélection des modèles.